面向光學(xué)遙感圖像目標(biāo)識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)研究.pdf

1、隨著遙感技術(shù)的發(fā)展，每天獲取的遙感數(shù)據(jù)與日俱增，尤其是進(jìn)入21世紀(jì)后，遙感數(shù)據(jù)呈爆炸性增長(zhǎng)。與數(shù)據(jù)相伴的是，遙感圖像增強(qiáng)技術(shù)和遙感目標(biāo)識(shí)別技術(shù)也得到快速的發(fā)展。深度學(xué)習(xí)是當(dāng)前機(jī)器學(xué)習(xí)最熱門(mén)領(lǐng)域，其中卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)模型之一，在目標(biāo)識(shí)別、目標(biāo)檢測(cè)等領(lǐng)域具有非常廣闊的前景。
　　低照度光學(xué)遙感圖像的可視效果差，圖像特征的區(qū)分度較低，無(wú)法滿足識(shí)別的要求。低照度光學(xué)遙感圖像增強(qiáng)技術(shù)是針對(duì)低質(zhì)量的遙感圖像進(jìn)行增強(qiáng)的技術(shù)，提高遙感圖像

2、的對(duì)比度和可視性。傳統(tǒng)的增強(qiáng)技術(shù)，增強(qiáng)效果較差或者計(jì)算復(fù)雜度低，本文針對(duì)低照度光學(xué)遙感圖像的特點(diǎn)，提出一種快速有效的增強(qiáng)算法，該算法將 Retinex分解出的亮度分量進(jìn)行自適應(yīng)分段對(duì)比增強(qiáng)，有效增強(qiáng)圖像特征的區(qū)分度，算法的計(jì)算復(fù)雜度為線性的且增強(qiáng)效果突出。
　　遙感圖像目標(biāo)識(shí)別是遙感領(lǐng)域中比較復(fù)雜的問(wèn)題。遙感圖像內(nèi)容豐富，手工提取的淺層特征，無(wú)法準(zhǔn)確有效的表達(dá)圖像中的內(nèi)容，使用這些淺層特征訓(xùn)練的分類器準(zhǔn)確率較低。深度卷積神經(jīng)網(wǎng)絡(luò)是

3、一種分層的人工神經(jīng)網(wǎng)絡(luò)模型，每一層都是對(duì)圖像的抽象表達(dá)，使用卷積神經(jīng)網(wǎng)絡(luò)提取的高層次的特征是對(duì)圖像的高級(jí)抽象。本文將卷積神經(jīng)網(wǎng)絡(luò)引入到光學(xué)遙感圖像目標(biāo)識(shí)別領(lǐng)域中，使用特征遷移方法訓(xùn)練卷積網(wǎng)絡(luò)，在 UCMerced-Landuse數(shù)據(jù)集上進(jìn)行測(cè)試實(shí)驗(yàn)，識(shí)別的準(zhǔn)確率由94％提高到97.6%，達(dá)到目前的最好結(jié)果。
　　遙感圖像具有多尺度特性，不同尺度空間下具有不同的特征，本文研究了不同尺度下卷積網(wǎng)絡(luò)的識(shí)別性能，分析卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像尺度